如何在Python中获取双三次样条插值的样条系数？

RegularGridInterpolator仅提供插值点查询功能，没有暴露样条系数的接口。要获取三次样条的系数，可通过以下两种方式实现：

方法1：分维度手动计算一维三次样条系数 #

二维三次样条插值可拆解为两次一维三次样条计算：先对一个维度逐行/列计算，再处理另一个维度。

实现步骤 #

假设你有网格坐标x（一维数组）、y（一维数组），对应数据z（二维数组，shape=(len(y), len(x))）：

• 遍历每一行（固定y值），用splrep计算x方向的三次样条系数（节点、系数、次数）
• 提取x方向的样条节点，遍历每个节点位置，收集所有y对应的值，再用splrep计算y方向的三次样条系数

代码示例 #

import numpy as np
from scipy.interpolate import splrep, splev

# 示例网格数据
x = np.linspace(0, 10, 5)
y = np.linspace(0, 10, 5)
z = np.random.rand(len(y), len(x))

# 第一步：计算每个y对应的x方向三次样条
x_splines = [splrep(x, row, k=3) for row in z]

# 第二步：提取x方向节点，计算每个节点对应的y方向三次样条
x_nodes = x_splines[0][0]
y_splines = []
for node in x_nodes:
    y_vals = np.array([splev(node, spl) for spl in x_splines])
    y_splines.append(splrep(y, y_vals, k=3))

# x_splines和y_splines分别存储了两个维度的样条系数和节点，可用于手动插值计算

注意：若x方向的样条节点不一致，需额外处理节点对齐问题。

方法2：使用RectBivariateSpline直接获取系数 #

scipy.interpolate.RectBivariateSpline是专为矩形网格设计的二维样条工具，支持直接获取样条系数和节点，功能完全覆盖RegularGridInterpolator。

代码示例 #

import numpy as np
from scipy.interpolate import RectBivariateSpline

# 示例网格数据
x = np.linspace(0, 10, 5)
y = np.linspace(0, 10, 5)
z = np.random.rand(len(y), len(x))

# 创建二维三次样条插值器
spline = RectBivariateSpline(x, y, z, kx=3, ky=3)

# 获取样条系数和节点
coeffs = spline.get_coeffs()
x_knots, y_knots = spline.get_knots()

# 输出结果
print("x方向节点:", x_knots)
print("y方向节点:", y_knots)
print("系数矩阵形状:", coeffs.shape)

你可以用这些系数结合B样条基函数手动计算任意点的插值，也可以直接调用spline(x_new, y_new)完成插值查询，和RegularGridInterpolator的用法一致。

内容的提问来源于stack exchange，提问作者Tobi